Mask2former Swin Large Ade Panoptic

🚀 Mask2Former

Mask2Formerは、ADE20kパノプティックセグメンテーションで学習されたモデルです（大規模版、Swinバックボーン）。画像セグメンテーションの分野で高い性能を発揮します。

🚀 クイックスタート

Mask2Formerは、同じパラダイムでインスタンス、セマンティック、パノプティックセグメンテーションを扱います。つまり、一連のマスクと対応するラベルを予測することで、3つのタスクすべてをインスタンスセグメンテーションとして扱います。

✨ 主な機能

• Mask2Formerは、以前のSOTAであるMaskFormerを性能と効率の両面で上回っています。
  • 画素デコーダをより高度なマルチスケール変形可能アテンションTransformerに置き換えました。
  • マスクされたアテンションを持つTransformerデコーダを採用し、追加の計算を導入することなく性能を向上させます。
  • 損失をサブサンプリングされたポイントで計算することで、トレーニング効率を向上させます。

📚 ドキュメント

想定される使用法と制限事項

この特定のチェックポイントはパノプティックセグメンテーションに使用できます。他のタスクに対するファインチューニングされたバージョンを探すには、モデルハブを参照してください。

使い方

以下はこのモデルの使用方法です。

基本的な使用法

import requests
import torch
from PIL import Image
from transformers import AutoImageProcessor, Mask2FormerForUniversalSegmentation


# load Mask2Former fine-tuned on ADE20k panoptic segmentation
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-large-ade-panoptic")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-large-ade-panoptic")

url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(url, stream=True).raw)
inputs = processor(images=image, return_tensors="pt")

with torch.no_grad():
    outputs = model(**inputs)

# model predicts class_queries_logits of shape `(batch_size, num_queries)`
# and masks_queries_logits of shape `(batch_size, num_queries, height, width)`
class_queries_logits = outputs.class_queries_logits
masks_queries_logits = outputs.masks_queries_logits

# you can pass them to processor for postprocessing
result = processor.post_process_panoptic_segmentation(outputs, target_sizes=[image.size[::-1]])[0]
# we refer to the demo notebooks for visualization (see "Resources" section in the Mask2Former docs)
predicted_panoptic_map = result["segmentation"]

より多くのコード例については、ドキュメントを参照してください。

📄 ライセンス

ライセンス情報: other

⚠️ 重要提示

Mask2Formerをリリースしたチームはこのモデルのモデルカードを作成していないため、このモデルカードはHugging Faceチームによって作成されました。